如何找到一个numpy数组的多个均匀分布的方法？答案

【问题标题】：How to find multiple equally distributed means of a numpy array?如何找到一个numpy数组的多个均匀分布的方法？
【发布时间】：2021-05-23 04:39:24
【问题描述】：

假设我有一个包含 100 个数字的列表。我可以通过求和并除以元素的数量来找到平均值。但是我怎样才能找到两个值，一个偏向列表左侧（假设列表是有序的），另一个偏向右侧，以便将列表平均分为三个块？

对数组进行排序并获取第 33 个和第 66 个元素不起作用，因为我可以在第 33 个位置之前全为 1，而在之后的值更大，因此第 33 个位置在数组中为时过早。这两个“手段”取决于数组的值，而不仅仅是索引。

我确定我正在尝试做的事情有一个正确的命名，但我现在不记得了。

【问题讨论】：

标签： python arrays list numpy mean

【解决方案1】：

看起来您正在尝试做的是计算“terciles”，这是quantile 的一种特殊类型。

所以你可以使用 numpy 为你计算它：

import numpy as np

data = np.linspace(0, 1.0, 100)  # You data, here a toy example

q_1, q_2 = np.quantile(data, q=[1/3, 2/3])
q_1_idx, q_2_idx = np.searchsorted(data, [q_1, q_2], side='right')

q_1, q_2 是您要查找的“平均值”，q_1_idx, q_2_idx 是数组中的相关索引。然后，要进行拆分，您只需：

data_1, data_2, data_3 = data[:q_1_idx], data[q_1_idx:q_2_idx], data[q_2_idx:]

【讨论】：

【解决方案2】：

你要找的东西叫做quantile，你可以看看numpy的quantile函数。

【讨论】：

【解决方案3】：

您可以尝试 numpy.quantile 例如 np.quantile(your_list, [0.33, 0.66]) 我认为应该可以解决问题

【讨论】：